想要建立预测模型，统计方法怎么选？

作者：李侗桐；审稿：张耀文

是否要建立预测模型？

预测模型是基于变量之间的相关关系，通过一个或几个变量预测另一个变量的分析方法。我们可以根据自变量（预测变量或解释变量）预测因变量（应答变量或结局变量）。比如，通过久坐时长预测受试者的血液胆固醇浓度，或者根据受试者的年龄、性别、BMI等变量信息预测高血压病发病情况。此外，预测模型还可以帮助我们判断各自变量的重要性，即自变量对因变量的解释能力。举例来说，预测模型可以用来分析学历对收入的解释程度。示例如下：

根据因变量类型选择检验方法

 1 连续变量

确定因变量是连续变量后，我们需要判断自变量的数量，示例如下：

1.1 只有一个自变量

简单线性回归。该检验可以基于一个连续型自变量对相应的连续型因变量进行预测，也可以评价自变量对因变量的解释力度。

1.2 包含多个自变量

多重线性回归。该检验可以通过多个自变量对相应的连续型因变量进行预测，也可以评价自变量对因变量的解释力度。

2 计数变量

泊松回归。该检验适用于分析因变量是计数变量的多因素预测模型。

注：计数变量是一个非负整数。比如，0、5、16、27是计数变量，但是2.7、5.8、18.2不是，因为它们不是整数；-2、-7、-15也不是，因为它们小于0。

计数变量不属于我们常用的变量分类，常被视为连续变量纳入分析。当计数变量比较大，多数数值超过40时，我们可以将其作为连续变量。但是当计数变量比较小，如多数数值小于10时，我们建议保留其计数变量属性，避免统计偏倚。计数变量示例如下：

• 菌群数量，培养基暴露24小时后可观察到的菌群数量

• 死亡人数，队列中每年因吸烟死于肺癌的人数

• 癫痫发作次数，受试者在一周内的癫痫发作次数

• 就诊人数，某私人诊所每天上午9:00-9:30的就诊人数

3 有序分类变量

有序多分类logistic回归。该检验适用于分析因变量是有序分类变量的多因素预测模型。比如，通过年龄和收入两个变量对生活满意度（非常不满意、不满意、一般、满意、非常满意）进行预测分析。

4 二分类变量

二分类logistic回归。该检验适用于分析因变量是二分类变量的多因素预测模型。

5 无序分类变量

无序多分类logistic回归。该检验适用于分析因变量是无序分类变量的多因素预测模型。

更多阅读

由医咖会与心联乔治心脏健康研究中心（HHRC）联合建立的心血管研究协作网络及数据共享平台（CDS）已经上线！

目前开放共享的数据为“中国房颤注册研究”，共有2.5万多房颤数据，欢迎来申请使用数据，发表SCI论文！

平台网址：

https://cds.mediecogroup.com/

点击左下角“阅读原文”，看看医咖会既往推送了哪些统计教程。或者使用电脑打开网址：http://www.mediecogroup.com/，查看全部统计教程。

快加小咖个人微信（xys2019ykh），拉你进统计讨论群和众多热爱研究的小伙伴们一起交流学习。